Optimization Capabilities of LMS and SMI Algorithm for Smart Antenna Systems

در اين مقاله ويژگي هاي همگرايي وارون ماتريس نمونه (SMI) و كمترين ميانگين مربعات (LMS) الگوريتم تطبيقي(ABFA) براي يك سيستم آنتن هوشمند (SAS) در يك محيط چند راهه با هم مقايسه شده اند. SAS در ايستگاه هاي پايه براي بهينه سازي تابش پرتوهاي باريك به سوي كاربران تلفن همراه مورد نظر به كار گرفته شده است.ABFA در پردازنده هاي سيگنال ديجيتال براي تنظيم وزن به تنظيم پرتو بر روي كاربر مورد نظر و توليد صفر (تهي) در جهت مداخله گر گنجانيده شده است. الگوريتم-هاي SMI و LMS همراه با SASبراي بهبود عملكرد سيستم ارتباطي بي سيم با بهينه سازي الگوي تابش با توجه به محيط سيگنال استفاده مي شود. اين مي تواند پوشش و ظرفيت سيستم را در محيط در چندراهه از طريق كاهش تداخل و نويز بالا ببرد. نرخ داده مي تواند به خاطر كاهش محو شدن به دليل لغو اجزاي چندراهه افزايش يابد. در اين مقاله، قابليت بهينه سازي SMI و LMS با تغيير پارامترها در نظر گرفته شده است. نتايج نشان مي دهد بهبود در بهره، سرعت همگرايي و كاهش در سطح لوب جانبي حاصل مي شود.

In the present paper convergence characteristics of Sample Matrix Inversion (SMI) and Least Mean Square (LMS) adaptive beam-forming algorithms (ABFA) are compared for a Smart Antenna System (SAS) in a multipath environment. SAS are employed at base stations for radiating narrow beams at the desired mobile users. The ABFA are incorporated in the digital signal processors for adjusting the weights to adjust the beam on the desired user and generate null in the direction of interferer. SMI and LMS algorithms are used with SAS for improving the performance of wireless communication system by optimizing the radiation pattern according to the signal environment. This can enhance the coverage and capacity of the system in multipath environment by reducing the interference and noise. The data rate can be enhanced by mitigating fading due to cancellation of multipath components. In this paper, optimization capabilities of SMI and LMS are considered by changing the parameters. The results reveal improvement in gain, speed of convergence and reduction in side-lobe level.